add tutorials/examples on Equivariant GNNs
Los mantenedores suelen responder en 2 días
@ParamThakkar123 ya está trabajando en esto.
Desde el 18/1/2025.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 35/100
- Tipo de issue
- Documentación
- Claridad
- Bastante claro
- Estado de actividad
- Estancado
- Stack tecnológico
- julia
Línea de trabajo
Comience con el tutorial publicado actualmente y revise el artículo de EGNN enlazado y los requisitos del dataset QM9. Amplíelo con regresión de propiedades moleculares y demuestre una augmentación de datos personalizada con DropMessage; el trabajo estará terminado cuando el tutorial proporcione la aplicación y los ejemplos solicitados.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
From @rbSparky comment https://github.com/CarloLucibello/GraphNeuralNetworks.jl/issues/412#issuecomment-2086942229
After further discussion(on Slack), since it has been decided that it would be more valuable to implement more relevant applications, this discussion thread can now be used for writing the tutorial for "Molecular Property Prediction using EGNNs". It can serve as a part 2 to the current published tutorial, adding a regression task(using QM9) since currently only classification is shown
Paper
Dataset to be used: QM9
The above techniques from DropMessage can be incorporated as data augmentation technique (to show the user how to write custom functions for tasks like these)
This tutorial is in progress!
- Lenguaje dominante
- Julia
- Estrellas
- 310
- Forks
- 75
- Merge medio
- 2 d 15 h
- PR fusionados (30 d)
- 10
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de JuliaGraphs/GraphNeuralNetworks.jl
-
lux
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
JuliaGraphs/GraphNeuralNetworks.jl#732 ·
Los mantenedores suelen responder en 2 días
-
gnngraphs
Dificultad 4/5 3-5 días Aptitud para principiantes 45/100
JuliaGraphs/GraphNeuralNetworks.jl#733 ·
Los mantenedores suelen responder en 2 días
-
Unused output of node type leads to index error in ZygotePosiblemente ocupada @lenianiva la tomó hace 1 día. Abierto
Dificultad 3/5 1-2 días Aptitud para principiantes 35/100
JuliaGraphs/GraphNeuralNetworks.jl#731 ·
Los mantenedores suelen responder en 2 días
-
maintainance
Dificultad 3/5 1-2 días Aptitud para principiantes 45/100
JuliaGraphs/GraphNeuralNetworks.jl#725 ·
Los mantenedores suelen responder en 2 días
-
GCNConv fails to compile with Reactant - MethodErrorPosiblemente ocupada @DHAKED440 la tomó hace 3 días. Abiertognnlib lux
Dificultad 3/5 1-2 días Aptitud para principiantes 68/100
JuliaGraphs/GraphNeuralNetworks.jl#710 ·
Los mantenedores suelen responder en 2 días
Todos los issues de JuliaGraphs/GraphNeuralNetworks.jl
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 73/100
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
Los mantenedores suelen responder en 1 día
-
erfinv(::Float16) and erfcinv(::Float16) are wrong for abs(x) <= 0.75 (erfinv(Float16(0)) == 0.2201)Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
JuliaMath/SpecialFunctions.jl#571 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 74/100
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 67/100